【技术实现步骤摘要】
本专利技术主要涉及到数据处理，尤其是一种结构化金融数据查询方法、装置、设备及介质。
技术介绍
1、大型语言模型(large language models，llms) 在自然语言领域取得了重大成果，它们具备深度理解和生成自然语言的能力。当前llms在模型大小、数据大小、训练目标和生成策略各不相同，但是它们都具有一个共同的特性，即能够跨不同的领域和任务生成自然语言文本，在许多自然语言处理的应用场景中展现出了惊人的效果。但是，它们在金融领域数据生成方面的潜力还没有得到充分的开发。
2、在金融领域中，结构化金融数据呈现出广泛分布的态势，其储存于各类数据库以及电子表格之内，涵盖诸如金融交易流水、资产负债详情、市场指标数值等关键信息。这些数据具备高度的组织性与标准化特征，以严谨的格式规范和逻辑架构呈现，人类凭借金融专业知识与实践经验，能够有效地对其进行解读、分析，并精准地应用于诸如风险评估、投资策略制定、财务报表编制等复杂的金融业务流程之中，从而高效地支持各类金融决策的制定与执行。
3、然而，当将目光投向大语言模型（llm...
【技术保护点】
1.结构化金融数据查询方法，其特征在于，包括：
2.根据权利要求1所述的结构化金融数据查询方法，其特征在于，所述基座模型为轻量化预训练语言模型，包括但不限于LightGPT模型或其他类似的大语言模型。
3.根据权利要求1或2所述的结构化金融数据查询方法，其特征在于，对基座模型进行指令微调，包括：
4.根据权利要求1或2所述的结构化金融数据查询方法，其特征在于，对基座模型进行指令微调过程中采用动态权重调整机制，根据训练数据中不同类型自然语言问句的复杂度对模型参数进行加权优化。
5.根据权利要求1所述的结构化金融数据查询方法...
【技术特征摘要】
1.结构化金融数据查询方法，其特征在于，包括：
2.根据权利要求1所述的结构化金融数据查询方法，其特征在于，所述基座模型为轻量化预训练语言模型，包括但不限于lightgpt模型或其他类似的大语言模型。
3.根据权利要求1或2所述的结构化金融数据查询方法，其特征在于，对基座模型进行指令微调，包括：
4.根据权利要求1或2所述的结构化金融数据查询方法，其特征在于，对基座模型进行指令微调过程中采用动态权重调整机制，根据训练数据中不同类型自然语言问句的复杂度对模型参数进行加权优化。
5.根据权利要求1所述的结构化金融数据查询方法，其特征在于，所述关键词实体包括多个，关键词实体包括表名、公司名、时间、金融指标。
6.根据权利要求4...
【专利技术属性】
技术研发人员：赵超，白雪，孙小强，
申请(专利权)人：长沙丹渥智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。